基于高光谱图像的蓝莓糖度的无损检测

2024-06-20 13:32


蓝莓果肉细腻,风味独特,果实中含有丰富的营养成分,被称为“水果皇后”,具有防止脑神经老化、保护视力、抗癌、增强人机体免疫等功能,市场前景广阔。蓝莓糖度是评价蓝莓质量的一个重要指标。传统蓝莓糖度检测是破坏性的,无损检测是一个重要的发展趋势。

1、图像数据采集

蓝莓样本的高光谱图像


提取两幅高光谱图像的光谱数据:分别选取每个样本表面不同感兴趣区域(ROI),得到的原始反射光谱曲线


对应感兴趣区域的原始光谱曲线,提取出平均光谱值,共得到三组48x256光谱数据矩阵


根据不同波段下高光谱图像及光谱曲线,Band 1-Band 50存在较大的噪声,图像模糊,选取数据时只选取Band 51-Band 250(1031.11nm-1699.11nm)共200个波段的进行建模前36颗蓝莓光谱值用于建立模型,后12颗用于模型检验,

2、模型建立与分析

蓝莓糖度预测模型的建立主要采用偏最小二乘回归法(PLSR)不同的光谱数据得到不同的预测模型直接利用去除噪声的200个波段建模对200个波段的光谱数据进行PCA降维,选取累积贡献率达99.9%前n个主成分,再用PLSR建模对反面全区域的256个光谱波段利用SPA选取特征波段,再用PLSR建模直接对反面全区域的200个波段进行循环建模,先两两组合,再用三三组合建模

3、预测模型建立

正面部分区域光谱数据PLSR模型

预测模型:

y=8.1109+0.3989x+0.2848x+….+ 0.809x200

其中,x1,x2,…,x200是band 51-band250的平均光谱值,y是蓝莓糖度值。

利用预测模型,代入12颗检验蓝莓的光谱数据,得到预测糖度值如下表所示

表1.蓝莓正面部分区域预测糖度值和真实糖度值的比较



表2.蓝莓正面全区域预测糖度值与真实值


表3.蓝莓反面全区域预测糖度值与真实值



三组数据所得到的预测模型预测糖度值与蓝莓真实糖度值曲线


利用PCA对蓝莓光谱数据进行降维处理降维后的数据再利用PLSR建模,PCA降维后,选取总贡献率达到99.9%的前n个主成分。正面部分区域和正面全区域提取的光谱数据降维后选取了7个主成分反面全区域的光谱数据降维后提取了前10个主成分利用PCA降维后选取的主成分,再进行PLSR建模。根据预测模型函数式,得到三组数据预测糖度值


先用PCA降维,再进行PLSR建模。根据预测模型函数式,得到三组数据预测糖度值与真实糖度值的曲线


4、总结

比较不同数据建立的各个预测模型,波段循环组合建模挑选出来的**波段组合预测模型的预测糖度值和真实糖度值的相关系数R分别为0.54和0.61,为其他波段组合建立模型中的**,而平均相对误差分别为12.6%和11.9%,为其他波段组合建立模型中的最小,而检验集均方根误差较小,可得波段循环组合建模后挑选的**模型预测效果较其他波段组合更好